继续请教问题:关于 Pytorch 的 Autograd

雷达

! ?  ^0 p0 f. D! N为预防老年痴呆，时不时学点新东东玩一玩。
. I4 O) T  O+ r' @) c. p' VPytorch 下面的代码做最简单的一元线性回归：
3 l" R4 K$ B2 D7 V0 v% k, `----------------------------------------------
1 X' B7 ^8 P6 _: R3 X# N: Z' simport torch
import numpy as np
import matplotlib.pyplot as plt
import random

x = torch.tensor(np.arange(1,100,1))
4 P. `1 z& ^, E6 K" [, E' sy = (x*27+15+random.randint(-2,3)).reshape(-1)  # y=wx+b, 真实的w0 =27, b0=15

# T# _5 J6 A) z6 V6 ]w = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
) ?  b9 m. R8 f5 Ob = torch.tensor(0.,requires_grad=True)
3 A' I# L! o9 \  m
epochs = 100
% a/ P2 x; d9 u4 D% B. B, I
losses = []
, r8 {) ~7 R; |# N3 {for i in range(epochs):
  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)

. G, v3 j0 t9 ]- u  loss = torch.square(y_pred - y).mean()   #计算 loss
  losses.append(loss)
  
  loss.backward() # autograd
9 ^% R3 ?4 [2 E2 g& U  with torch.no_grad():
2 R5 h4 V5 r, ^4 q2 b' [5 K( Y    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
  x9 [; h2 C" g: o  w.grad.zero_()  
6 ^7 M: h4 x3 M7 Z+ Y& n  b.grad.zero_()
9 z7 D1 T, d6 Z$ s3 q: D; M; [: z  ~
print(w.item(),b.item()) #结果

Output： 27.26387596130371  0.4974517822265625
, Q7 p! {$ U2 P1 F, N----------------------------------------------
最后的结果，w可以回到 w0 = 27 附近，b却回不去 b0=15。两处红字，损失函数是矢量计算后的均值，感觉 b 的回归表达有问题。
高手们帮看看是神马原因？

老福

! y5 v0 \& |& S0 u+ [* e
" ?7 _0 S! h% _' _没有用过pytorch，但你把随机噪音部分改成均值为0的正态分布再试试看是不是符合预期？
-------
5 S! j0 S7 ~/ X; w) Q: v7 x/ I# K不好意思，再看一遍，好像你在自算回归而不是用现成的工具直接出结果，上面的评论只有一点用，就是确认是不是算法有问题。
-------
; y. I" I6 M5 D0 q9 M& d算法诊断部分，建议把循环次数改为1000, 再看看loss是不是收敛。有点怀疑你循环次数不够，因为你起点是0, 步长很小。只是直观建议。

雷达

老福 发表于 2023-2-14 19:23
# ]1 i1 y" C) ?没有用过pytorch，但你把随机噪音部分改成均值为0的正态分布再试试看是不是符合预期？
4 x, h  M) N$ `) |* z2 W-------
不好意思， ...

3 s( ^. ]& v5 v谢谢，算法应该没问题，就是最简单的线性回归。
我特意没有用现成的工具，就是想从最基本的地方深入理解一下。

老福

雷达 发表于 2023-2-14 21:52
  C, d. [( I( ^9 [+ e, D谢谢，算法应该没问题，就是最简单的线性回归。
我特意没有用现成的工具，就是想从最基本的地方深入理解 ...

) W" R1 _0 Z2 r# I, ]4 ]9 j9 V
刚才更新了一下，建议增加循环次数或调一下步长，查一下loss曲线。
% P0 r" G; M4 z# _% q3 [) n
9 R+ Y! v0 @# h) n" n或者把b但的起点改为1试试。

雷达

老福 发表于 2023-2-14 22:00
刚才更新了一下，建议增加循环次数或调一下步长，查一下loss曲线。
. |0 k* ]! ]) `! Y& }
# d. {9 \& U) J或者把b但的起点改为1试试。 ...

. `5 T5 }0 s& M
你是对的。
去掉了随机部分
8 X2 W4 U$ T- _) _" T#y = (x*27+15+random.randint(-2,3)).reshape(-1)
4 `; [4 J! |- ^y = (x*27+15).reshape(-1)

循环次数加成10倍，就看到 b 收敛了
w , b
27.002620697021484 14.826167106628418
2 Z1 g! C! |+ B! H
和 b 的起始位置无关，但 labeled data 用 y = (x*27+15+random.randint(-2,3)).reshape(-1) ，收敛就很慢。